1、圖像常見xx方法簡介常用的圖像特征有顏色特征、紋理特征、形狀特征、空間關系特征.一、顏色特征一特點：顏色特征是一種全局特征 和述了圖像或圖像區域所對應的景物的外表性 質.一般顏色特征是基于像素點的特征,此時所有屬于圖像或圖像區域的像素 都有各自的奉獻.由于顏色對圖像或圖像區域的方向、大小等變化不敏感,所以顏色特征不 能很好地捕捉圖像中對象的局部特征.另外,僅使用顏色特征查詢時,如果數 據庫很大,常會將許多不需要的圖像也檢索出來.顏色直方圖是最常用的表達 顏色特征的方法,其優點是不受圖像旋轉和平移變化的影響,進一步借助歸一 化還可不受圖像尺度變化的影響,基缺點是沒有表達出顏色空間分布的信息.二常

2、用的xx與匹配方法1顏色直方圖其優點在于：它能簡單描述一幅圖像中顏色的全局分布,即不同色彩在整幅圖像中所占 的比例,特別適用于描述那些難以自動分割的圖像和不需要考慮物體空間位置 的圖像.具缺點在于：它無法描述圖像中顏色的局局部布及每種色彩所處的空間位置,即無法描 述圖像中的某一具體的對象或物體.最常用的顏色空間：RGB顏色空間、HSV顏色空間.顏色直方圖特征匹配方法：直方圖相交法、距離法、中央距法、參考顏色表法、累加顏色直方圖法(2)顏色集顏色直方圖法是一種全局顏色特征提取與匹配方法,無法區分局部顏色信 息.顏色集是對顏色直方圖的一種近似首先將圖像從RGB顏色空間轉化成視覺均衡的顏色空間(如H

3、SV空間),并將顏色空間量化成假設干個柄.然后,用色 彩自動分割技術將圖像分為假設干區域,每個區域用量化顏色空間的某個顏色分 量來索引,從而將圖像表達為一個二進制的顏色索引集.在圖像匹配中,比擬不同圖像顏色集之間的距離和色彩區域的空間關系(3)顏色矩這種方法的數學根底在于：圖像中任何的顏色分布均可以用它的矩來表示.止匕外,由于顏色分布信息 主要集中在低階矩中,因此,僅采用顏色的一階矩( mean)、二階矩 (variance)和三階矩(skewnes就足以表達圖像的顏色分布.(4)顏色聚合向量其核心思想是：將屬于直方圖每一個柄的像素分成兩局部,如果該柄內的某些像素所占據 的連續區域的面積大于給

4、定的閾值,那么該區域內的像素作為聚合像素,否那么作 為非聚合像素.(5)顏色相關圖二紋理特征(一)特點：紋理特征也是一種全局特征,它也描述了圖像或圖像區域所對應景物的表 面性質.但由于紋理只是一種物體外表的特性,并不能完全反映出物體的本質 屬性,所以僅僅利用紋理特征是無法獲得高層次圖像內容的.與顏色特征不 同,紋理特征不是基于像素點的特征,它需要在包含多個像素點的區域中進行統計計算.在模式匹配中,這種區域性的特征具有較大的優越性,不會由于局 部的偏差而無法匹配成功.作為一種統計特征,紋理特征常具有旋轉不變性, 并且對于噪聲有較強的反抗水平.但是,紋理特征也有其缺點,一個很明顯的 缺點是當圖像的

5、分辨率變化的時候,所計算出來的紋理可能會有較大偏差.另 外,由于有可能受到光照、反射情況的影響,從 2-D圖像中反映出來的紋理不 一定是3-D物體外表真實的紋理.例如,水中的倒影,光滑的金屬面互相反射造成的影響等都會導致紋理的 變化.由于這些不是物體本身的特性,因而將紋理信息應用于檢索時,有時這 些虛假的紋理會對檢索造成 誤導在檢索具有粗細、疏密等方面較大差異的紋理圖像時,利用紋理特征是一 種有效的方法.但當紋理之間的粗細、疏密等易于分辨的信息之間相差不大的 時候,通常的紋理特征很難準確地反映出人的視覺感覺不同的紋理之間的差 別.二常用的xx與匹配方法紋理特征描述方法分類1統計方法的典型代表是

6、一種稱為灰度共生矩陣的紋理特征分析方法 Gotlieb和Kreyszig等人在研究共生矩陣中各種統計特征根底上,通過實驗,得 出灰度共生矩陣的四個關鍵特征：能量、慣量、嫡和相關性.統計方法中另一種典型方法,那么是從圖像的自 相關函數即圖像的能量譜函數提取紋理特征,即通過對圖像的能量譜函數 的計算,提取紋理的粗細度及方向性等特征參數2幾何法所謂幾何法,是建立在紋理基元根本的紋理元素理論根底上的一種紋 理特征分析方法.紋理基元理論認為,復雜的紋理可以由假設干簡單的紋理基元以一定的有規 律的形式重復排列構成.在幾何法中,比擬有影響的算法有兩種：Voronio棋盤格特征法和結構法3模型法模型法以圖像的

7、構造模型為根底,采用模型的參數作為紋理特征.典型的 方法是隨機場模型法,如馬爾可夫Markov隨機場MRF模型法和Gibbs隨 機場模型法4信號處理法紋理特征的提取與匹配主要有：灰度共生矩陣、Tamura紋理特征、自回歸紋理模型、小波變換等.灰度共生矩陣特征提取與匹配主要依賴于能量、慣量、嫡和相關性四個參 數.Tamura紋理特征基于人類對紋理的視覺感知心理學研究,提出6種屬性,即：粗糙度、比照度、方向度、線像度、規整度和粗略度.自回歸紋理模型 simultaneous auto-regressive, SAR是馬爾可夫隨機場MRF模型的一種應 用實例.三形狀特征一特點：各種基于形狀特征的檢索

8、方法都可以比擬有效地利用圖像中感興趣的目標 來進行檢索,但它們也有一些共同的問題,包括：目前基于形狀的檢索方法還缺乏比擬完善的數學模型；如果目標有變形時檢索結果往往不太可靠； 許多形狀特征僅描述了目標局部的性質,要全 面描述目標常對計算時間和存儲量有較高的要求；許多形狀特征所反映的目標形狀信息與人的直觀感覺不完全一致,或者說,特征空間的相似性與人視覺 系統感受到的相似性有差異.另外,從 2-D圖像中表現的3-D物體實際上只是 物體在空間某一平面的投影,從 2-D圖像中反映出來的形狀常不是 3-D物體真 實的形狀,由于視點的變化,可能會產生各種失真.(二)常用的xx與匹配方法I幾種典型的形狀特征

9、描述方法通常情況下,形狀特征有兩類表示方法,一類是輪廓特征,另一類是區域 特征.圖像的輪廓特征主要針對物體的外邊界,而圖像的區域特征那么關系到整 個形狀區域.幾種典型的形狀特征描述方法：(1)邊界特征法該方法通過對邊界特征的描述來獲取圖像的形狀參數.其中Hough變換檢測平行直線方法和邊界方向直方圖方法是經典方法.Hough變換是利用圖像全局特性而將邊緣像素連接起來組成區域封閉邊界的一種方法, 其根本思想是點一線的對偶性；邊界方向直方圖法首先微分圖像求得圖像邊 緣,然后,做出關于邊緣大小和方向的直方圖,通常的方法是構造圖像灰度梯 度方向矩陣.(2) xx形狀描述符法傅里葉形狀描述符(Fouri

10、ershapedescriptors蓬本思想是用物體邊界的傅里葉 變換作為形狀描述,利用區域邊界的封閉性和周期性,將二維問題轉化為一維 問題.由邊界點導出三種形狀表達,分別是曲率函數、質心距離、復坐標函數.(3)幾何參數法形狀的表達和匹配采用更為簡單的區域特征描述方法,例如采用有關形狀定量測度(如矩、面積、周長等)的形狀參數法(shape factor).在QBIC系統 中,便是利用圓度、偏心率、主軸方向和代數不變矩等幾何參數,進行基于形 狀特征的圖像檢索.需要說明的是,形狀參數的提取,必須以圖像處理及圖像分割為前提,參 數的準確性必然受到分割效果的影響,對分割效果很差的圖像,形狀參數甚至 無

11、法提取.(4)形狀不變矩法利用目標所占區域的矩作為形狀描述參數.(5)其它方法近年來,在形狀的表示和匹配方面的工作還包括有限元法( Finite Element Method 或 FEM)、旋轉函數(Turning Function)和小波描述符(Wavelet Descriptor)等方法.n基xx和相對矩的形狀xx與匹配該方法先用小波變換模極大值得到多尺度邊緣圖像,然后計算每一尺度的7個不變矩,再轉化為10個相對矩,將所有尺度上的相對矩作為圖像特征向量, 從而統一了區域和封閉、不封閉結構.四空間關系特征(一)特點：所謂空間關系,是指圖像中分割出來的多個目標之間的相互的空間位置或 相對方向關系,這些關系也可分為連接/鄰接關系、交疊/重疊關系和包含/包容 關系等.通常空間位置信息可以分為兩類：相對空間位置信息和絕對空間位置信息.前一種關系強調的是目標之間的 相對情況,如上下左右關系等,后一種關系強調的是目標之間的距離大小以及 方位.顯而易見,由絕對空間位置可推出相對空間位置,但表達相對空間位置信 息常比擬簡單.空間關系特征的使用可增強對圖像內容的描述區分水平,但空間關系特征 常對圖像或目標的旋轉、反轉、尺度變化等比擬敏感.另外,實際應用中,僅 僅利用空間信息往